FANG — 环境变量防护工具

用于检测技能脚本中环境变量泄露的双阶段审计工具。

脚本说明

第一阶段 —— 静态扫描

使用 scan_env.py 的正则规则对 .py 和 .sh 文件进行扫描。

风险评分标准：

• 总分 ≥ 6 → 高风险
• 总分 ≥ 3 → 中风险
• 总分 > 0 → 低风险
• 总分 = 0 → 无风险

第二阶段 —— LLM 深度分析（可选）

读取目标目录中所有 .py .sh .js .ts .ps1 .bash 脚本文件，并发送至兼容 OpenAI 接口的 LLM 进行分析。LLM 会检查以下内容：

• 环境变量读取与外发 HTTP/Socket/DNS 请求的组合
• 混淆手段：base64、十六进制、eval、动态导入等
• 硬编码的数据外传地址
• 异常的 subprocess 调用链

使用方法

仅执行静态扫描

python scripts/fang_audit.py <target_dir>

启用 LLM 深度分析

python scripts/fang_audit.py <target_dir> --llm-key sk-... --model gpt-4o-mini

使用兼容 OpenAI 的 API（如本地 Ollama / DeepSeek）

python scripts/fang_audit.py <target_dir> \
  --llm-key any \
  --model deepseek-chat \
  --base-url https://api.deepseek.com/v1

将报告保存到文件

python scripts/fang_audit.py <target_dir> --llm-key sk-... --output report.txt

一次性扫描整个工作区的所有技能

python scripts/fang_audit.py C:/Users/dad/.openclaw/workspace/skills

审计流程（Agent 工作流）

当用户请求审计技能是否存在环境变量泄露时：

1. 询问目标目录（默认为工作区的 skills/ 文件夹）
2. 执行第一阶段静态扫描 —— 立即输出摘要报告
3. 若发现高风险或中风险，询问是否继续执行 LLM 深度分析
4. 若已提供 --llm-key（来自环境变量或用户输入），自动执行第二阶段
5. 最终呈现威胁报告：

- 列出每个存在风险的文件及其风险等级和原因

- 标注任何“关键组合”模式（如环境变量读取 + 网络发送）

- 提供建议操作：隔离（高风险）、审查（中风险）、监控（低风险）

风险应对指南

注意事项

• LLM 分析会将每个文件截断至 3000 字符以内，以符合令牌限制。
• 对于大型技能目录，建议逐个技能单独扫描。
• scan_env.py 仅处理 .py 和 .sh 文件；fang_audit.py 在 LLM 模式下还支持 .js、.ts、.ps1 文件。